Gemini Omni Flash 图片转视频 API

google/gemini-omni-flash/image-to-video

Gemini Omni Flash Image to Video 可将输入图片动画化为带同步音频的短 AI 视频,在遵循源图片内容的同时添加运动和声音。开箱即用的 REST 推理 API,性能出色,无冷启动,价格实惠。

参数

名称类型默认约束说明
image *图片image_uploadimage/* · 0–1 items用于生成动画的视频输入图片 URL。
prompt *提示词textarea≤ 5000 chars描述图片应如何生成动画效果的文本提示词。
aspect_ratio宽高比select16:916:9 | 9:16生成视频的宽高比。
duration时长select83 | 4 | 5 | 6 | 7 | 8 | 9 | 10生成视频的时长,单位为秒。

API

通过统一 REST API 调用本模型;在 API Keys 页获取密钥。

cURL
# 1) Submit — returns { "task_uuid": "..." }
curl -X POST "https://www.namifusion.com/api/v1/marketplace/run/google/gemini-omni-flash/image-to-video" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "input": {
    "image": "https://example.com/input.jpg",
    "prompt": "A cinematic portrait, dramatic rim light, shallow depth of field",
    "aspect_ratio": "16:9",
    "duration": 8
  }
}'

# 2) Poll until status is "completed", then read the output URLs
curl "https://www.namifusion.com/api/v1/marketplace/run/tasks/TASK_UUID" \
  -H "Authorization: Bearer YOUR_API_KEY"
Python
import time, requests

API_KEY = "YOUR_API_KEY"
HEADERS = {"Authorization": f"Bearer {API_KEY}"}

# 1) Submit
resp = requests.post(
    "https://www.namifusion.com/api/v1/marketplace/run/google/gemini-omni-flash/image-to-video",
    headers=HEADERS,
    json={
        "input": {
            "image": "https://example.com/input.jpg",
            "prompt": "A cinematic portrait, dramatic rim light, shallow depth of field",
            "aspect_ratio": "16:9",
            "duration": 8
        }
    },
)
resp.raise_for_status()  # 401/402/429/5xx stop here instead of polling a bad task
task = resp.json()

# 2) Poll until a terminal state (completed / failed / cancelled).
#    This model is allowed up to 300s server-side.
deadline = time.time() + 360
while task.get("status") not in ("completed", "failed", "cancelled"):
    if time.time() > deadline:
        raise TimeoutError(f"still {task.get('status')} — keep the task_uuid and poll later")
    time.sleep(3)
    poll = requests.get(f"https://www.namifusion.com/api/v1/marketplace/run/tasks/{task['task_uuid']}", headers=HEADERS)
    poll.raise_for_status()
    task = poll.json()

print(task["status"], task.get("output"))
JavaScript
const API_KEY = "YOUR_API_KEY";
const HEADERS = { Authorization: `Bearer ${API_KEY}` };

// 1) Submit
const resp = await fetch("https://www.namifusion.com/api/v1/marketplace/run/google/gemini-omni-flash/image-to-video", {
  method: "POST",
  headers: { ...HEADERS, "Content-Type": "application/json" },
  body: JSON.stringify({
    "input": {
      "image": "https://example.com/input.jpg",
      "prompt": "A cinematic portrait, dramatic rim light, shallow depth of field",
      "aspect_ratio": "16:9",
      "duration": 8
    }
  }),
});
if (!resp.ok) throw new Error(`submit failed: ${resp.status} ${await resp.text()}`);
let task = await resp.json();

// 2) Poll until a terminal state (completed / failed / cancelled).
//    This model is allowed up to 300s server-side.
const deadline = Date.now() + 360 * 1000;
while (!["completed", "failed", "cancelled"].includes(task.status)) {
  if (Date.now() > deadline) throw new Error(`still ${task.status} — keep the task_uuid and poll later`);
  await new Promise((r) => setTimeout(r, 3000));
  const poll = await fetch(`https://www.namifusion.com/api/v1/marketplace/run/tasks/${task.task_uuid}`, { headers: HEADERS });
  if (!poll.ok) throw new Error(`poll failed: ${poll.status}`);
  task = await poll.json();
}

console.log(task.status, task.output);

文档

Gemini Omni Flash Image to Video API

将单张图片快速转化为带同步音频的短视频。

Gemini Omni Flash Image to Video 是一款面向图片转视频场景的 AI 模型,可基于输入图片与提示词生成短时长视频,并同步生成音频。该模型适合需要快速迭代、稳定输出与低门槛创作的场景,具备无冷启动、响应高效、成本可控等优势。

🚀 核心特性

  • 图片转视频生成:将静态图片自然扩展为动态视频,保留原始画面主体与整体视觉方向。
  • 同步音频输出:在生成视频的同时生成匹配场景的音频,提升内容完整度与沉浸感。
  • 提示词驱动运动控制:可通过提示词描述主体动作、镜头运动、节奏变化、场景演进与音频方向。
  • 简洁的宽高比控制:支持 16:9 横屏与 9:16 竖屏,便于适配不同发布渠道。
  • 灵活时长设置:支持 3–10 秒 的短视频生成,适合快速测试与短内容生产。
  • 无冷启动体验:适合高频调用与快速创意验证,减少等待时间并提升生产效率。

🛠️ 技术规格

项目说明
模型名称Gemini Omni Flash Image to Video API
模型 IDgoogle/gemini-omni-flash/image-to-video
任务类型图片转视频
模型架构基于提示词引导的图片动画生成模型,支持同步音频输出
输入形式图片 URL + 提示词
输出形式视频 + 音频
输入图片单张图片 URL
提示词必填,用于描述运动方式、镜头行为、场景变化与音频方向
宽高比16:9(默认)、9:16
时长310 秒(默认 8 秒)
分辨率随宽高比输出,适合横屏与竖屏短视频场景
音频能力支持与视频同步生成音频
延迟表现面向快速推理优化,且无冷启动

示例提示词

  • 让人物缓慢向前走动,镜头轻微推进,背景中的树叶随风摆动,环境音为柔和风声。
  • 让产品在画面中央缓慢旋转,镜头从近景拉到中景,加入干净、现代感的科技音效。
  • 让城市夜景逐渐亮起霓虹灯,镜头平稳横移,整体节奏电影感,配合轻微街道环境音。

💰 价格

时长价格
基础单价$0.14 / 秒
3 秒$0.42
5 秒$0.70
8 秒$1.12
10 秒$1.40

💡 最佳使用场景

  • 社交媒体短视频:快速生成适配横屏或竖屏的短内容,用于短视频平台发布。
  • 电商与产品展示:将商品主图转化为动态展示视频,增强视觉吸引力与信息表达。
  • 创意概念验证:在正式制作前快速测试镜头运动、节奏设计与音画氛围。
  • 营销与品牌内容:基于单张视觉素材快速生成带音频的宣传片段,提高内容生产效率。

🔗 相关模型

  • Google Gemini 3 Pro Image Text To Image:适合从图片与文本生成静态图像内容。
  • Google Gemini Omni Flash Reference To Video:适合基于参考内容进行视频生成的相关工作流。

相关模型

xAI Grok Imagine Video v1.5 图片转视频
Image to VideoX Ai

xAI Grok Imagine Video v1.5 图片转视频

使用文本提示词将单张输入图片生成 1-15 秒视频,支持 480p 和 720p。

$0.840 / 每次
Vidu Q3 图片转视频
Image to VideoVidu

Vidu Q3 图片转视频

Vidu Q3 图片转视频将文本提示词转化为高质量视频,具有卓越的视觉保真度和多样的运动。即用型 REST 推理 API,最佳性能,无冷启动,价格实惠。

$0.750 / 每次
Nami Wan 2.7 I2V Spicy Prime
Image to Video

Nami Wan 2.7 I2V Spicy Prime

根据参考图片和提示词生成 2–15 秒视频,支持 720p/1080p 输出与可选音频引导。

$1.00 / 每次
MiniMax H3 图片转视频
Image to VideoMinimax

MiniMax H3 图片转视频

MiniMax H3 图片转视频可将首帧图片动画化为连贯的 2K 视频,支持自然语言运动指令,并可选用末帧控制,以实现一致的运动、场景连贯性和电影感视频生成。提供开箱即用的 REST 推理 API,性能出色,无冷启动,价格实惠。

$0.650 / 每次
Kling Omni Video O3 图片转视频
Image to VideoKling

Kling Omni Video O3 图片转视频

Kling Omni Video O3 图片转视频利用MVL(多模态视觉语言)技术将静态图片转化为动态电影级视频。保持主体一致性,同时添加自然运动、物理模拟和无缝场景动态。支持音频生成。即用型REST API,最佳性能,无冷启动,价格实惠。

$0.420 / 每次
Kling Omni Video O1 图生视频
Image to VideoKling

Kling Omni Video O1 图生视频

Kling Omni Video O1 图生视频使用 MVL(多模态视觉语言)技术将静态图像转换为动态电影级视频。在添加自然运动、物理模拟和无缝场景动态的同时,保持主体一致性。提供即用型 REST API,最佳性能,无冷启动,价格实惠。

$0.560 / 每次
Kling 3.0 Standard 图像转视频模型
Image to VideoKling

Kling 3.0 Standard 图像转视频模型

Kling 3.0 Standard 提供高质量的图像转视频生成,具有流畅的运动、电影级视觉效果、准确的提示词遵循和原生音频,适合分享的剪辑。即用型 REST 推理 API,最佳性能,无冷启动,价格实惠。

$0.420 / 每次
Kling V2.6 图片转视频 API
Image to VideoKling

Kling V2.6 图片转视频 API

Kling 2.6 提供顶级的图片转视频生成,具有流畅的运动效果、电影级视觉效果、精准的提示词匹配以及原生音频,适合直接分享的短片。即开即用的 REST 推理 API,性能卓越,无冷启动,价格实惠。

$0.210 / 每次